پوران سلیمانی - گروه مهندسی فناوری اطلاعات، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران،
پرویز قربانزاده - گروه مهندسی فناوری اطلاعات، دانشکده فناوری های صنعتی، دانشگاه صنعتی، ارومیه، ایران

بخش بهداشت و درمان در یافتن بیماری ها با دشواری ها و چالش های متعددی روبرو می باشد. سازمان های بهداشتی در حال جمع آوری مقدار زیادی از داده های مرتبط با بیمار می باشند. روش های داده کاوی برای تصمیم گیری در مورد داده های بیماری تحت پوشش مورد استفاده قرار می گیرند که برای متخصصان مراقبت های بهداشتی جهت تصمیم گیری تحلیلی موثر، ارزشمند می باشد.دسترسی به مقدار زیادی از داده های پزشکی نیاز به ابزارهای قدرتمندی را پدید آورده است که برای تحلیل داده ها جهت استخراج دانش مورد استفاده قرار می گیرند. داده کاوی یکی از ابزارهای تحلیلی موثر برای کشف روابط پنهان و گرایشات در داده است. استراتژی های داده کاوی در زمینه صنعت بهداشت و درمان برای اهداف مختلفی مورد ارزیابی قرار می گیرد. هدف این تحقیق، تحلیل با استفاده از سه روش منحصر به فرد داده کاوی، یعنی نایو بایس (NB) ، ماشین بردار پشتیبان (SVM) و درخت تصمیم برای تصمیم گیری درباره رویکردهای بالقوه برای پیش بینی احتمال بیماری قلبی برای افراد مبتلا به دیابت می باشد که در آن شناسایی بیماران تا حد زیادی وابسته به دقت پیش بینی روش های داده کاوی می باشند.

داده کاوی، نایو بایس، ماشین بردار پشتیبان، درخت تصمیم